Python 决策树：如何手动设置决策节点

我试图从头开始建立一个决策树。此决策树应从列表中提取一封电子邮件，并根据某些因素分配分数。 例如：假设我要测试的电子邮件是

email=“我将20000英镑转入了我们的养老金计划，但是的钱一直没有到。我向我在Brewin Dolphin的财务顾问询问了相关的银行详细信息，他通过电子邮件发送了这些信息。”

根节点：我想把根节点作为变量“包容号”。如果邮件中包含了一个编号而不是赋值0.1，否则为0。这将是两个分裂。我想只考虑二元分裂。< /P> 子节点：如果电子邮件包含列表中的单词<代码>[“财务”、“银行”、“计划”、“金钱”]，则分配-0.1，否则为0

等等。 我知道Python中有一个内置的分类器：

from sklearn.tree import DecisionTreeClassifier # Import Decision Tree Classifier
from sklearn.model_selection import train_test_split # Import train_test_split function
from sklearn import metrics #Import scikit-learn metrics module for accuracy calculation
#split dataset in features and target variable
feature_cols = ['email', 'date', 'author', 'server']
X = pima[feature_cols] # Features
y = pima.label # Target variable

# Split dataset into training set and test set
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1) # 70% training and 30% test

clf = DecisionTreeClassifier()

# Train Decision Tree Classifer
clf = clf.fit(X_train,y_train)

#Predict the response for test dataset
y_pred = clf.predict(X_test)

然而，我想知道如何根据一些标准构建决策树。 谢谢你抽出时间

为了澄清我想做什么 我有以下几个专栏：

Sender         Server       Subject       Corpus       Date         % of xsuks@libero.it  libero    DEAL!!!     I want to propose a deal 29/10/2020   punctuation          % of Upper case
60                         40

我想建立一个决策树，根据我给每个变量的“权重”来考虑它们。 例如：

• 如果垃圾邮件列表中不包含任何单词，则分配0
• 如果电子邮件包含垃圾邮件列表中的单词，则为垃圾邮件列表中包含的每个单词分配-0.1
• 如果发件人包含拼写错误的坏单词，则分配-0.1
• 若发送方未包含拼写错误的坏单词，则分配0
• 如果标点符号的百分比大于50%，则指定-0.1；否则为0；

我还有一个带标签的列，其中包括我手动指定的标签，用于在Python中自动构建决策树（使用上面显示的代码）；但是，我不知道如何包含我感兴趣的所有字段，因为其中一些字段是分类字段（如发件人、主题和语料库；其他字段是数字字段，如%）。 最后，我想将我从自己的评分决策树得到的结果与从Python分类器得到的结果进行比较。 为了检查准确性，我会使用混淆矩阵或ROC

---

这正是我想要达到的目标。

如果能解释一下你为什么要这么做，你想达到什么目的，那就太好了。我想通过逐步实现一个算法来构建这个决策树，该算法允许我分配分数，以量化电子邮件如何被视为“垃圾邮件”，例如，查看关键字，服务器、标点符号、发件人等。也许这可以使用Python中的决策树分类器（sklearn）来完成，但我想知道如果我想从头开始构建决策树，应该怎么做，首先查看根节点，然后查看其他决策节点，如果你只是想比较一下你的人类直觉，即什么是分类垃圾邮件的有效决策树，什么是机器学习算法，那么很有可能你最终会发现ML算法会比你做得更好。这是因为我们人类不擅长直接解决多维抽象问题，除非我们定义了一个数学模型来实现这一点。第二，如果你想学习如何实现决策树，我建议从一个关于二叉树的教程开始，并尝试使用数据对其进行扩充，这些数据将允许您在每个节点中存储正在拆分的变量id和拆分点的信息。根据变量的类型，也就是说，数字变量和分类变量，如何做会有所不同。是的，你们是对的。然而，我想做的不仅仅是分配一个二进制变量（垃圾邮件而不是垃圾邮件），而是量化一封电子邮件包含多少“垃圾邮件信息”。我不知道如何使用ML算法来做到这一点。如果能解释一下你为什么要这么做，你想达到什么目的，那就好了。我想通过一步一步地实现一个算法来构建这个决策树，这个算法可以让我分配分数，量化电子邮件如何被视为“垃圾邮件”，例如，查看关键字、服务器、，标点符号，发送者。也许这可以使用Python中的决策树分类器（sklearn）来完成，但我想知道如果我想从头开始构建决策树，应该怎么做，首先查看根节点，然后查看其他决策节点，如果你只是想比较一下你的人类直觉，即什么是分类垃圾邮件的有效决策树，什么是机器学习算法，那么很有可能你最终会发现ML算法会比你做得更好。这是因为我们人类不擅长直接解决多维抽象问题，除非我们定义了一个数学模型来实现这一点。第二，如果你想学习如何实现决策树，我建议从一个关于二叉树的教程开始，并尝试使用数据对其进行扩充，这些数据将允许您在每个节点中存储正在拆分的变量id和拆分点的信息。根据变量的类型，也就是说，数字变量和分类变量，如何做会有所不同。是的，你们是对的。然而，我想做的不仅仅是分配一个二进制变量（垃圾邮件而不是垃圾邮件），而是量化一封电子邮件包含多少“垃圾邮件信息”。我不知道如何使用ML算法来实现这一点